Classifying High-Risk Patients for Persistent Opioid Use After Major Spine Surgery: A Machine-Learning Approach
Sierra Simpson, PhD, William Zhong,BS, Soraya Mehdipour, MD, Michael Armaneous, DO, Varshini Sathish, BS, Natalie Walker, BS, Engy T. Said, MD, Rodney A. Gabriel, MD, MAS
Anesth Analg. 2024 Oct 1;139(4):690-699. doi: 10.1213/ANE.0000000000006832
Επιμέλεια κειμένου: Βασιλόπουλος Βασίλης, Ειδικευόμενος Αναισθησιολογίας, Γενικό Νοσοκομείο Βόλου Αχιλλοπούλειο.
Η χρόνια χρήση οπιοειδών αποτελεί ένα σημαντικό πρόβλημα της Δημόσιας Υγείας σε παγκόσμιο επίπεδο και οι χειρουργικές επεμβάσεις αποτελούν ένα γνωστό παράγοντα κινδύνου για κατάχρηση οπιοειδών.
Η ικανοποιητική διαχείριση του οξέος μετεγχειρητικού πόνου στις επεμβάσεις σπονδυλικής στήλης αποτελεί πρόκληση, καθώς μεγάλος αριθμός αυτών των ασθενών αντιμετωπίζουν χρόνιο προεγχειρητικό πόνο και λαμβάνουν ήδη οπιοειδή για τη διαχείριση αυτού.
Τα μοντέλα μηχανικής μάθησης αποτελούν ένα ριζοσπαστικό εργαλείο για την ανάλυση εκτεταμένων βάσεων δεδομένων και την αναγνώριση πολύπλοκων συσχετίσεων που συμβάλουν στην πρώιμη αναγνώριση παθήσεων και εκτίμησης του κινδύνου από τις ιατρικές παρεμβάσεις.
Στόχος αυτής της αναδρομικής μελέτης ήταν η ανάπτυξη μοντέλων μηχανικής μάθησης για την πρόβλεψη συνεχιζόμενης χρήσης οπιοειδών μετά από μεγάλες επεμβάσεις σπονδυλικής στήλης χρησιμοποιώντας προεγχειρητικά δεδομένα και χαρακτηριστικά της χειρουργικής επέμβασης. Ως πρωτεύον σημείο έκβασης ορίστηκε η χρήση οπιοειδών 3-6 μήνες μετά την επέμβαση όπως προέκυπτε από τα ηλεκτρονικά ιατρικά αρχεία των επισκέψεων μετεγχειρητικής παρακολούθησης και δεδομένα από την ηλεκτρονική συνταγογράφηση. Τα εξής χαρακτηριστικά καταχωρήθηκαν ως δεδομένα στα μοντέλα: 1. το είδος της επέμβασης, 2. η διάρκεια της επέμβασης, 3. ο αριθμός των σπονδυλικών επιπέδων στα οποία έγινε παρέμβαση, 4. η ανάγκη για πρόσθια προσπέλαση, 5. η μοίρα της σπονδυλικής στήλης που έγινε παρέμβαση, 6. τα δημογραφικά στοιχεία των ασθενών: φύλο, BMI, ηλικία, 7. το ιστορικό προεγχειρητικής χρόνιας λήψης οπιοειδών (ορισμένη ως λήψη ≥20mg οξυκωδόνης ανά ημέρα για παραπάνω από 2 εβδομάδες) ή/και βουπρενορφίνης, 8. το ατομικό ιστορικό των ασθενών και 9. τα προεγχειρητικά επίπεδα πόνου.
Εξήχθησαν δεδομένα για 3523 ασθενείς εκ των οποίων συμπεριλήφθηκαν 2611 στη μελέτη λόγω ανεπαρκών στοιχείων στους ιατρικούς φακέλους των υπολοίπων και 1209 εξ αυτών συνέχιζαν να λαμβάνουν οπιοειδή 3 μήνες μετά την επέμβαση. Τα δεδομένα αναλύθηκαν στατιστικά αναφορικά με τη συσχέτιση κάθε χαρακτηριστικού ως προς το πρωτεύον σημείο έκβασης. Οι ασθενείς με συνεχιζόμενη χρήση οπιοειδών εμφάνιζαν μεγαλύτερα ποσοστά προεγχειρητικής χρήσης οπιοειδών και κατάθλιψης, μικρότερο μέσο όρο ηλικίας, υψηλότερα προεγχειρητικά επίπεδα πόνου και μεγαλύτερης βαρύτητας και διάρκειας χειρουργικές επεμβάσεις.
Στη συνέχεια αξιολογήθηκαν πέντε μοντέλα κατηγοριοποίησης αποσκοπώντας στην ανακάλυψη παραμέτρων που συμβάλουν σε ένα συγκεκριμένο αποτέλεσμα. Τα χαρακτηριστικά με τη μεγαλύτερη συσχέτιση ως προς τη συνεχιζόμενη χρήση οπιοειδών ήταν η διάρκεια της επέμβασης, οι επεμβάσεις στην οσφυική μοίρα, ο αριθμός των επιπέδων στα οποία έγινε παρέμβαση, η διενέργεια δισκεκτομής, η προεγχειρητική χρήση οπιοειδών, η ηλικία, το BMI, το άρρεν φύλο, η προϋπάρχουσα κατάθλιψη και τα επίπεδα του προεγχειρητικού πόνου.
Από τα μοντέλα κατηγοριοποίησης, το μοντέλο BalancedRandomForestClassifier είχε την υψηλότερη βαθμολογία αναφορικά με την ακρίβεια, την ευαισθησία, την ειδικότητα και την ορθότητα. Πρόκειται για ένα πιο πολύπλοκο μοντέλο σε σύγκριση με τα υπόλοιπα το οποίο εκτελεί πολλαπλούς ελέγχους στα δεδομένα και διακρίνεται για την ακρίβειά του και την ικανότητά του στη διαχείριση εκτεταμένων βάσεων δεδομένων.
Η παραπάνω μελέτη κατέδειξε την αξία των μοντέλων μηχανικής μάθησης στη δημιουργία συσχετίσεων ανάμεσα σε πολλαπλά χαρακτηριστικά μέσα από μεγάλες βάσεις δεδομένων. Ωστόσο, είναι εξαιρετικά σημαντικό να υπάρχει υψηλός βαθμός αξιοπιστίας στα υπό επεξεργασία δεδομένα και προς αυτή τη κατεύθυνση είναι απαραίτητο να χρησιμοποιηθούν δεδομένα από προοπτικές μελέτες στο μέλλον.